CN110766808B - 人脸数据的处理方法、设备和计算机可读存储介质 - Google Patents

人脸数据的处理方法、设备和计算机可读存储介质 Download PDF

Info

Publication number
CN110766808B
CN110766808B CN201911361346.3A CN201911361346A CN110766808B CN 110766808 B CN110766808 B CN 110766808B CN 201911361346 A CN201911361346 A CN 201911361346A CN 110766808 B CN110766808 B CN 110766808B
Authority
CN
China
Prior art keywords
mapping
dimensional
point
points
weight
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911361346.3A
Other languages
English (en)
Other versions
CN110766808A (zh
Inventor
陈伟
吴伯阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhituo Vision Technology Co Ltd
Original Assignee
Beijing Zhituo Vision Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhituo Vision Technology Co Ltd filed Critical Beijing Zhituo Vision Technology Co Ltd
Publication of CN110766808A publication Critical patent/CN110766808A/zh
Application granted granted Critical
Publication of CN110766808B publication Critical patent/CN110766808B/zh
Priority to PCT/CN2020/126487 priority Critical patent/WO2021088867A1/zh
Priority to US17/773,918 priority patent/US11922632B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T3/06—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T19/00—Manipulating 3D models or images for computer graphics
    • G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
    • G06T3/04—
    • G06T3/067—
    • G06T3/073—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/037—Emission tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
    • G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
    • G01R33/48—NMR imaging systems
    • G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
    • G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
    • G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30204—Marker
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/021—Flattening
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2008—Assembling, disassembling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2219/00—Indexing scheme for manipulating 3D models or images for computer graphics
    • G06T2219/20—Indexing scheme for editing of 3D models
    • G06T2219/2021—Shape modification

Abstract

本发明提供一种人脸数据的处理方法，包括：通过扫描装置获取人脸的照片，通过结构光条纹求得点云信息，进而得到人脸的三维模型；将所述三维模型以保面积的方式映射到圆形平面上，以形成二维人脸图。将三维数据转换为二维数据时，有利于数据的存储；此外，本发明的三维数据采用了保面积的方式，从而在将二维数据还原到三维时，具有更好的还原质量，有利于三维图像的再利用。

Description

人脸数据的处理方法、设备和计算机可读存储介质
技术领域
本发明涉及图像学领域，更具体地，涉及三维数据的处理。
背景技术
通常，对于一个三维物体，其相应的三维数据通常会包括三维坐标（X,Y,Z）。除此之外，还可以包括颜色（RGB）和/或亮度（Intensity）信息，由此，为了存储三维数据，通常需要较为复杂的存储格式以及较大的存储空间，由此不便于进行数据的存储。
此外，相对于三维数据而言，对二维数据进行分析要相对简单，计算量也较少，因此，如果能够将三维数据降维到二维，这有利于对数据的进一步研究和分析。
在另一方面，二维数据如果还原到三维，则需要尽量保留原三维数据的信息，如果在降维过程中丢失过多的信息，则在从二维数据恢复到三维数据时，所形成的三维图像就会出现失真等问题，不利于三维图像的进一步使用。
发明内容
本发明的一个目的是提供一种能够对人脸数据进行优化处理，以便于后续进一步使用的方法和设备。
本发明提供一种人脸数据的处理方法，包括：通过扫描装置获取人脸的点云信息，以得到人脸的三维模型；将所述三维模型以保面积的方式映射到圆形平面上，以形成二维人脸图。
根据本发明的一个实施方式，进一步包括：对所得到的三维模型进行拓扑修复。
根据本发明的一个实施方式，其中，对所得到的三维模型进行拓扑修复包括：确定所述三维模型中亏格的位置；消除所述亏格以降低所述三维模型中亏格的数量。
根据本发明的一个实施方式，其中，将所述三维模型以保面积的方式映射到圆形平面上包括：确定二维平面的边界；将所述三维数据调和映射到所述边界的内部，以形成调和映射点；计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图；根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面。
根据本发明的一个实施方式，其中，确定二维平面的边界包括：在所述三维模型中确定闭合曲线L；将L中的点存储到链表vlist中，其中
Figure 718057DEST_PATH_IMAGE001
，
Figure 892686DEST_PATH_IMAGE002
和
Figure 759011DEST_PATH_IMAGE003
是同一个点；计算L的长度S：
Figure 753512DEST_PATH_IMAGE004
其中，
Figure 629064DEST_PATH_IMAGE005
是边[
Figure 658200DEST_PATH_IMAGE006
]的长度
对于每个
Figure 961005DEST_PATH_IMAGE007
执行以下步骤：计算从
Figure 177223DEST_PATH_IMAGE002
点到该
Figure 590887DEST_PATH_IMAGE008
点的长度
Figure 710415DEST_PATH_IMAGE009
，其中
Figure 184121DEST_PATH_IMAGE010
；根据所述
Figure 153214DEST_PATH_IMAGE008
点的角度
Figure 104990DEST_PATH_IMAGE011
，其中
Figure 108718DEST_PATH_IMAGE012
；确定每个点的坐标，
Figure 487747DEST_PATH_IMAGE013
。
根据本发明的一个实施方式，其中，将所述三维数据调和映射到所述边界的内部以形成调和映射点包括：将所述三维数据进行初始化，以在所述二维平面中形成映射点；计算二维平面中所述映射点之间的调和能量；当所述调和能量大于预设能量梯度阈值时，调整所述映射点的坐标，并根据所述调整后的映射点的坐标来调整所述调和能量，当所述调和能量小于预设能量梯度阈值时，停止所述调整；以及以停止调整时所述映射点的坐标作为调和映射点。
根据本发明的一个实施方式，其中，计算二维平面中所述映射点之间的调和能量包括：计算相邻映射点之间的位置之差的平方值；计算所述平方值与所述相邻映射点形成的边的第一权重的第一乘积；以及计算针对所有映射点的第一乘积之和。
根据本发明的一个实施方式，其中，相邻映射点形成的边的第一权重通过如下方式来计算：确定所述边对应的三角形的角度；如果所述边为两个三角形公用的边，则所述边的第一权重等于两个三角形与所述边相对的角度的余切三角函数之和的一半；如果所述边为边界上的边，则所述边的第一权重等于所述边所处三角形中与该边相对的角度的余切三角函数的一半。
根据本发明的一个实施方式，其中，计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图包括：初始化每个调和映射点的第二权重，其中至少三个调和映射点构成一个初始面；确定每个初始面的加权对偶点，所述加权对偶点到每个初始面的顶点的加权距离相等，其中，所述加权对偶点连接起来形成所述加权对偶点的对偶面，多个对偶面确定了加权Voronoi图；更新每个调和映射点的第二权重，并根据所更新的第二权重来重新调整所述加权Voronoi图。
根据本发明的一个实施方式，其中更新每个调和映射点的第二权重包括：确定每个调和映射点的初始面的面积Ai；确定每个调和映射点的对偶面的面积Ai’；确定每个调和映射点的面积梯度gi=Ai-Ai’；确定所有调和映射点的面积梯度的平方和；如果所述平方和大于预设的权重阈值时，减小所述第二权重，直至所述第二权重小于所述权重阈值。
根据本发明的一个实施方式，其中，根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面包括：确定所述加权Voronoi图中每个对偶面的重心；将每个所述调和映射点映射到所述每个对偶面的重心，从而将所述三维模型以保面积的方式映射到二维平面。
根据本发明的第二方面，提供一种用于人脸数据的处理设备，包括：处理器；与所述处理器相连接的存储器，所述存储器中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如上所述的方法。
根据本发明第三方面，提供一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如上所述的方法。
本发明的技术方案的有益效果包括但不限于，将三维数据转换为二维数据时，有利于数据的存储；此外，本发明的三维数据采用了保面积的方式，从而在将二维数据还原到三维时，具有更好的还原质量，有利于三维图像的再利用。
附图说明
通过结合附图，可以更好地理解本发明的上述特征，并且其众多目的，特征和优点对于本领域技术人员而言是显而易见的，其中相同的附图标记表示相同的元件，并且其中：
图1示出了根据本发明的一个方面的人脸数据的处理方法的流程图；
图2示出了根据本发明的另一个方面的人脸数据的处理方法的流程图；
图3示出了根据本发明的一个方面的对形成三维模型进行拓扑修复的方法流程图；
图4示出了根据本公开的一个实施方式的将所述三维模型以保面积的方式映射到圆形平面上上的方法流程图；
图5示出了将三维数据调和映射到边界内部以形成调和映射点的流程图；
图6示出了计算每个边的权重的示意图；
图7示出了根据本发明一个实施方式的计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图的流程图；
图8示出了Voronoi图的一个示例；
图9示出了根据本发明一个实施方式的将所述三维模型以保面积的方式映射到二维平面的流程图；以及
图10a，图10b和图10c分别示出了三维图像的原图，经过调和映射之后的二维图像以及经过保面积映射之后的二维图像。
具体实施方式
下面将结合本披露实施例中的附图，对本披露实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本披露一部分实施例，而不是全部的实施例。基于本披露中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本披露保护的范围。
应当理解，本披露的权利要求、说明书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。 本披露的说明书和权利要求书中使用的术语“包括”和 “包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当... 时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
图1示出了根据本发明的一个方面的人脸数据的处理方法的流程图。
如图1所示，本发明的方法包括：在操作S110，通过扫描装置获取人脸的照片，通过结构光条纹求得点云信息，进而得到人脸的三维模型；在操作S130，将所述三维模型以保面积的方式映射到圆形平面上，以形成二维人脸图。
通过测量仪器得到的一个物体的外观表面的点数据集合也称之为点云，通常使用三维坐标测量机所得到的点数量比较少，点与点的间距也比较大，叫稀疏点云；而使用三维激光扫描仪或照相式扫描仪得到的点云，点数量比较大并且比较密集，叫密集点云。
点云通常可以包括三维坐标（XYZ）和反射强度（Intensity）。在另一个实施方式中，摄影测量原理得到的点云，除了包括三维坐标（XYZ）之外，还可以包括颜色信息（RGB）。在另一个实施方式中，结合激光测量和摄影测量原理得到点云，可以包括三维坐标（XYZ）、激光反射强度（Intensity）和颜色信息（RGB）。
由于存在上述信息，因此，点云信息可以很好地来表示较为详细的人脸信息，点云越密集，包含的信息越多，其在进行映射时，准确度越高。
将人脸的三维模型映射到的二维平面，可以是多种形状，但优选地，该二维平面可以是圆形，因为人脸的形状更近似于一个圆形，这有利于减少映射过程中的畸变，缩短算法的收敛时间。
此外，本发明以保面积的方式来映射，从而有效地保留了人脸中的面积信息，从而能够在恢复到三维人脸数据时减少信息的丢失，使得三维人脸图像的可用性更佳。
根据本发明的一个实施方式，如图2所示，本发明还可以进一步包括，在操作S120，对三维模型进行拓扑修复。拓扑修复就是几何外形修复，使导入模型修复成为外形封闭的曲面，这样模型就成为一个整体。没有经过拓扑修复的几何体可能有面缺失或线缺失，或者面的连接错误。
可以理解的是，由于图像分割的误差，通常三维模型中存在很多虚假的亏格（环柄）。需要检测并消除这些虚假亏格。
这些环柄非常微小，用肉眼无法直接检测。比较实用的方法就是通过计算拓扑方法得到，这些往往依赖于曲面的环柄圈和隧道圈的算法。得到这些虚假环柄之后，将他们沿着环柄圈切开，然后再填补洞隙来去除拓扑噪声。
由此，根据本发明的一个实施方式，如图3所示，根据本发明的一个实施方式，对所得到的三维模型进行拓扑修复包括：在操作S1201，确定所述三维模型中亏格的位置；在操作S1203，消除所确定的亏格以降低所述三维模型中亏格的数量。
上面所述的降低三维模型中亏格数量，优选是将亏格的数量减少为零，即实现零亏格的三维模型，这将有助于提高三维到二维平面映射时的准确性。
下面详细介绍将所述三维模型以保面积的方式映射到二维平面的方法。
需要理解的是，将三维模型映射到二维平面有多种方式。例如，可以以保角的方式将三维模型映射到二维平面，但这种方式存在一定的缺陷，因为保角的方式会使得三维物体的面积信息丢失，从而在再次将二维图像恢复到三维时丢失信息。
而在本发明中，是通过保面积的映射方式将三维物体映射到二维平面中，使得三维物体中所有的部分的面积在二维平面中仍然保持不变，以方便后续的进一步处理。
图4示出了根据本公开的一个实施方式的将所述三维模型以保面积的方式映射到圆形平面上上的方法流程图，包括：在操作S410，确定二维平面的边界；在操作S420，将所述三维数据调和映射到所述边界的内部，以形成调和映射点；在操作S430，计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图；以及，在操作S440，根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面。
从上文中可以获知，本发明是将三维人脸映射到圆形的二维平面上，因此二维边界即为圆形。
根据本发明的一个实施方式，确定二维平面的边界可以包括：在所述三维模型中确定闭合曲线L；将L中的点存储到链表vlist中，其中
Figure 944136DEST_PATH_IMAGE001
，
Figure 434023DEST_PATH_IMAGE002
和
Figure 26678DEST_PATH_IMAGE003
是同一个点；计算L的长度S：
Figure 343652DEST_PATH_IMAGE004
其中，
Figure 21758DEST_PATH_IMAGE005
是边[
Figure 580916DEST_PATH_IMAGE006
]的长度；对于每个
Figure 28078DEST_PATH_IMAGE007
执行以下步骤：计算从
Figure 748909DEST_PATH_IMAGE002
点到该
Figure 914311DEST_PATH_IMAGE008
点的长度
Figure 11580DEST_PATH_IMAGE009
，其中
Figure 844407DEST_PATH_IMAGE010
；根据所述
Figure 470560DEST_PATH_IMAGE008
点的角度
Figure 388838DEST_PATH_IMAGE011
，其中
Figure 24218DEST_PATH_IMAGE014
；确定每个点的坐标，
Figure 947437DEST_PATH_IMAGE015
。
从上面可以看出，确定圆形的边界，实际上是一个多边形的边界，取的采样点数越多，则该多边形越接近于圆形。
从上面还可以看出，上面所述的点的坐标，实际上为一个极坐标。需要理解的是，极坐标仅仅是一种方式，还可以采用其他任何类型的坐标系。
在确定了边界之后，可以将三维数据中非边界部分的点映射到该边界所限定的二维平面内部。可以通过调和映射的方式将这些三维数据映射到二维平面上。
以通俗的方式来表达，在将三维模型映射到二维平面时，模型内部的部分由于边界的变形，其本身也会收到一定的拉力，然后向边界扩散，每个点扩散的方向是它周围所有点的合力的作用结果。直到每个部分都不再有变化，相当于达到了一种“调和”的状态。
图5示出了将三维数据调和映射到边界内部以形成调和映射点的流程图。
如图5所示，将所述三维数据调和映射到所述边界的内部以形成调和映射点S420包括：在操作S4201，将所述三维数据进行初始化，以在所述二维平面中形成映射点；在操作S4203，计算二维平面中所述映射点之间的调和能量；在操作S4205，当所述调和能量大于预设能量梯度阈值时，调整所述映射点的坐标，并根据所述调整后的映射点的坐标来调整所述调和能量，当所述调和能量小于预设能量梯度阈值时，停止所述调整；以及，在操作S4207，以停止调整时所述映射点的坐标作为调和映射点。
下面具体介绍上面的各个操作步骤。
对于一个网格
Figure 275650DEST_PATH_IMAGE016
，预先设定能量梯度阈值
Figure 150065DEST_PATH_IMAGE017
。
对于非边界点，初始化
Figure 854716DEST_PATH_IMAGE018
，该
Figure 662135DEST_PATH_IMAGE019
表示点在该二维图形中的位置。根据本发明的一个实施方式，可以将所有的三维数据点映射到上面所述的二维平面中，初始，可以将所有的三维点映射到位置（0，0），当然，这仅仅是一个示例，也可以在最初将所有的三维点平均地映射到二维平面中，即所有点在二维平面中的距离相等。
接下来，计算初始调和能量
Figure 895671DEST_PATH_IMAGE020
，即计算二维平面中上述映射点之间的调和能量。调和能量计算公式如下：
Figure 522961DEST_PATH_IMAGE021
公式1
在上面的公式中，E（f）表示所有映射点的调和能量，可以理解的是，初始调和能量可能是最大的，此后将逐渐调整每个映射点的位置，使得调和能量逐渐减少，最终低于一个预设的能量梯度阈值。此时即可以达到调和状态。
在上面的公式中，对属于该二维平面（不包括边界点）的所有点与其相邻点之间的能量进行计算，根据本发明的一个实施方式，首先计算相邻映射点之间的位置之差的平方值；计算所述平方值与所述相邻映射点形成的边的第一权重的第一乘积；以及计算针对所有映射点的第一乘积之和，即可得到初始调和能量。
如果初始调和能量大于上述的能量梯度阈值
Figure 765723DEST_PATH_IMAGE017
，则调整相应点的位置，并重新计算新的调和能量E，而将上一轮计算的调和能量设为E0。
接下来计算新的调和能量E与上一轮计算的调和能量E0之间的差值，即
Figure 896491DEST_PATH_IMAGE022
是否大于预设的调和能量梯度阈值
Figure 333550DEST_PATH_IMAGE017
。该循环持续进行，直到新的调和能量E与上一轮计算的调和能量E0之间的差值不大于预设的调和能量梯度阈值
Figure 182558DEST_PATH_IMAGE017
为止。此时所有点之间的能量梯度最小，从而达到调和状态。
每个映射点的坐标通过如下公式来计算
Figure 963432DEST_PATH_IMAGE023
公式2
其中，vi是第i个点的表示，vj是与i相邻的第j个点的表示，f（vi）表示vi点的位置，M表示一个三角网格曲面，
Figure 214285DEST_PATH_IMAGE024
是边
Figure 320781DEST_PATH_IMAGE025
的权重。
根据本公开的一个实施方式，相邻映射点形成的边的第一权重通过如下方式来计算：确定所述边对应的三角形的角度；如果所述边为两个三角形公用的边，则所述边的第一权重等于两个三角形与所述边相对的角度的余切三角函数之和的一半；如果所述边为边界上的边，则所述边的第一权重等于所述边所处三角形中与该边相对的角度的余切三角函数的一半。
对于三角形网格而言，三角形的边一般存在两种情形，一种是两个三角形公用的边，一个是边界的边，如图6所示。
在图6中，i和j点确定的边为两个三角形公用的边，而i和l确定的边是边界的边，边eij对应的两个三角形的角度分别为
Figure 922664DEST_PATH_IMAGE026
和
Figure 241649DEST_PATH_IMAGE027
，而边eil所对应的三角形的角度为
Figure 612588DEST_PATH_IMAGE028
，由此，这两条边的权重分别根据如下方式计算：
Figure 125871DEST_PATH_IMAGE024
=
Figure 683891DEST_PATH_IMAGE029
内部的边（有两个相邻的面）
Figure 72147DEST_PATH_IMAGE030
=
Figure 297592DEST_PATH_IMAGE031
边界的边（只有一个面）
由此可见，随着点的位置不断调整，每个三角形的角度也在不断发生变化， 由此边的权重也在不断改变。但由于这种调整的收敛性，边的权重将逐渐保持恒定，从而图形的映射达到调和状态。
换言之，通过以上的描述可以看出，随着每个映射点的调整，调和能量逐渐降低，并最终达到小于特定调和能量梯度阈值，从而实现调和映射。
图7示出了根据本发明一个实施方式的计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图的流程图。
如图7所示，本发明中计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图包括：
在操作S4301，初始化每个调和映射点的第二权重，其中至少三个调和映射点构成一个初始面；在操作S4303，确定每个初始面的加权对偶点，所述加权对偶点到每个初始面的顶点的加权距离相等，其中，所述加权对偶点连接起来形成所述加权对偶点的对偶面，多个对偶面确定了加权Voronoi图；以及，在操作S4305，更新每个调和映射点的第二权重，并根据所更新的第二权重来重新调整所述加权Voronoi图。
首先，根据本发明的一个实施方式中，在所形成的调和映射点基础上，确定加权Voronoi图。图8示出了Voronoi图的一个示例。
如图8所示，Voronoi图是网格（不限于三角网格）的一种对偶形式，以三角网格为例，对于网格中的每个面来说，它都对应一个voronoi图中的对偶点（虚线的顶点），该对偶点到三个顶点（即上文中的调和映射点，图8中实线的顶点）的距离相等，而原网格中的每个点（本发明中的调和映射点）又对应voronoi图中的一个对偶面，如图8所示。而加权Voronoi图和普通的Voronoi图的区别就在于原网格中的每个点都有一个权重，在计算距离的时候，本来是
Figure 480312DEST_PATH_IMAGE032
，加权之后则是
Figure 56787DEST_PATH_IMAGE033
，加入权重
Figure 717575DEST_PATH_IMAGE034
，就会使voronoi剖腔的大小随权重的大小而改变。某个面的顶点的权重越大，就会使这个面的外心到这个顶点的欧氏距离越远，如此该顶点对应的对偶面的面积就会变大。
下面具体解释图7的方法。
首先，初始化每个点的权重为
Figure 797527DEST_PATH_IMAGE035
，并给定一个权重阈值
Figure 416727DEST_PATH_IMAGE036
，如
Figure 949339DEST_PATH_IMAGE037
。
对于
Figure 180863DEST_PATH_IMAGE016
中的每个面
Figure 115321DEST_PATH_IMAGE038
，使用如下方程组计算其加权对偶点
Figure 639843DEST_PATH_IMAGE039
，其中
Figure 925331DEST_PATH_IMAGE040
表示每个实线三角形的三个顶点
Figure 193501DEST_PATH_IMAGE041
公式3
即
Figure 982466DEST_PATH_IMAGE039
到这三个点的加权距离
Figure 943468DEST_PATH_IMAGE042
相等，而
Figure 450673DEST_PATH_IMAGE043
。
Figure 522534DEST_PATH_IMAGE044
是q和v的加权距离，
Figure 933049DEST_PATH_IMAGE045
是v点的权重。
对于
Figure 799374DEST_PATH_IMAGE016
中的每条实线边,将实线边两侧的加权对偶点
Figure 793875DEST_PATH_IMAGE046
连接起来形成一条新的虚线边作为实线边的对偶边。
这些对偶边构成的新图即为加权Voronoi图
Figure 403848DEST_PATH_IMAGE047
。每个调和映射点都在加权Voronoi图
Figure 432984DEST_PATH_IMAGE047
中对应有一个对偶面，为一个剖腔
Figure 204631DEST_PATH_IMAGE048
, 则每个点当前的面积为
Figure 952007DEST_PATH_IMAGE049
计算每个点的梯度
Figure 365671DEST_PATH_IMAGE050
，令
Figure 983734DEST_PATH_IMAGE051
，若
Figure 457440DEST_PATH_IMAGE052
,则停止迭代更新，否则，令
Figure 916280DEST_PATH_IMAGE053
，λ为梯度下降法的步长，需要自己调，一般设置为一个小于1的值，也可以使用牛顿法等等来迭代计算新的权重。其中
Figure 868055DEST_PATH_IMAGE054
为每个调和映射点的目标面积，即调和映射点在三维物体中对应的面积。
图9示出了根据本发明一个实施方式的将所述三维模型以保面积的方式映射到二维平面的流程图。
如图9所示，根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面包括：在操作S4401，确定所述加权Voronoi图中每个对偶面的重心；在操作S4403，将每个所述调和映射点映射到所述每个对偶面的重心，从而将所述三维模型以保面积的方式映射到二维平面。
由此，通过上述的方法，可以将人脸的三维数据以保面积的方式映射到二维平面中。
图10a，图10b和图10c分别示出了三维图像的原图，经过调和映射之后的二维图像以及经过保面积映射之后的二维图像。
如图10a所示，是一张普通人脸的图像，可以从该图像中提取人脸的三维信息，并构建出三维模型。
如图10b所示，是图10a的人脸经过调和映射之后形成的二维图像。在该二维图像中，角度得以保持，但各个部分的面积与三维图像的面积并不相同。
在图10c中，是图10b的二维图像经过进一步的保面积映射之后形成的二维图像。在该二维图像中，图10b中的各个点经过了进一步的拉伸和调整。需要理解的是，在图10c的图像中，部分角度信息被保留，而部分面积和形状信息也被保存。
通过本发明，有利于三维数据的保存，并且，通过本发明，可以保留图片的面积和形状信息，从而有利于在将二维图像恢复为三维图像时不丧失面积和形状信息。
示例性装置
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式（包括固件、微代码等），或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本发明实施方式的对应用程序进行测试的装置可以包括至少一个处理单元、以及至少一个存储单元。其中，存储单元存储有程序代码，当程序代码被处理单元执行时，使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对应用程序进行测试的方法中的步骤。
示例性程序产品
在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在设备上运行时，所述程序代码用于使设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的对应用程序进行测试的方法中的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）—连接到用户计算设备，或者，可以连接到外部计算设备（例如利用因特网服务提供商来通过因特网连接）。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示意性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
通过以下条款，能够更好地理解本发明的技术方案。
条款1.一种人脸数据的处理方法，包括：
通过扫描装置获取人脸的点云信息，以得到人脸的三维模型；
将所述三维模型以保面积的方式映射到圆形平面上，以形成二维人脸图。
条款2.根据条款1所述的方法，进一步包括：对所形成的三维模型进行拓扑修复。
条款3.根据条款1或2所述的方法，其中，对所形成的三维模型进行拓扑修复包括：
确定所述三维模型中亏格的位置；
消除所述亏格以降低所述三维模型中亏格的数量。
条款4.根据条款1-3中任意一项所述的方法，其中，将所述三维模型以保面积的方式映射到圆形平面上包括：
确定二维平面的边界；
将所述三维数据调和映射到所述边界的内部，以形成调和映射点；
计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图；
根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面。
条款5.根据条款1-4中任意一项所述的方法，其中，确定二维平面的边界包括：
在所述三维模型中确定闭合曲线L；
将L中的点存储到链表vlist中，其中
Figure 606204DEST_PATH_IMAGE001
，
Figure 985233DEST_PATH_IMAGE002
和
Figure 441622DEST_PATH_IMAGE003
是同一个点
计算L的长度S：
Figure 931509DEST_PATH_IMAGE004
其中，
Figure 789744DEST_PATH_IMAGE055
是边[
Figure 605253DEST_PATH_IMAGE006
]的长度
对于每个
Figure 283359DEST_PATH_IMAGE007
执行以下步骤：
计算从
Figure 311358DEST_PATH_IMAGE002
点到该
Figure 525564DEST_PATH_IMAGE008
点的长度
Figure 246395DEST_PATH_IMAGE009
，其中
Figure 677376DEST_PATH_IMAGE056
，
根据所述
Figure 774645DEST_PATH_IMAGE008
点的角度
Figure 341893DEST_PATH_IMAGE011
，其中
Figure 233626DEST_PATH_IMAGE057
；
确定每个点的坐标，
Figure 151903DEST_PATH_IMAGE058
。
条款6. 根据条款1-5中任意一项所述的方法，其中，将所述三维数据调和映射到所述边界的内部以形成调和映射点包括：
将所述三维数据进行初始化，以在所述二维平面中形成映射点；
计算二维平面中所述映射点之间的调和能量；
当所述调和能量大于预设能量梯度阈值时，调整所述映射点的坐标，并根据所述调整后的映射点的坐标来调整所述调和能量，当所述调和能量小于预设能量梯度阈值时，停止所述调整；以及
以停止调整时所述映射点的坐标作为调和映射点。
条款7. 根据条款1-6中任意一项所述的方法，其中，计算二维平面中所述映射点之间的调和能量包括：
计算相邻映射点之间的位置之差的平方值；
计算所述平方值与所述相邻映射点形成的边的第一权重的第一乘积；以及
计算针对所有映射点的第一乘积之和。
条款8. 根据条款1-7中任意一项所述的方法，其中，相邻映射点形成的边的第一权重通过如下方式来计算：
确定所述边对应的三角形的角度；
如果所述边为两个三角形公用的边，则所述边的第一权重等于两个三角形与所述边相对的角度的余切三角函数之和的一半；
如果所述边为边界上的边，则所述边的第一权重等于所述边所处三角形中与该边相对的角度的余切三角函数的一半。
条款9. 根据条款1-8中任意一项所述的方法，其中，计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图包括：
初始化每个调和映射点的第二权重，其中至少三个调和映射点构成一个初始面；
确定每个初始面的加权对偶点，所述加权对偶点到每个初始面的顶点的加权距离相等，其中，所述加权对偶点连接起来形成所述加权对偶点的对偶面，多个对偶面确定了加权Voronoi图；
更新每个调和映射点的第二权重，并根据所更新的第二权重来重新调整所述加权Voronoi图。
条款10. 根据条款1-9中任意一项所述的方法，其中更新每个调和映射点的第二权重包括：
确定每个调和映射点的初始面的面积Ai；
确定每个调和映射点的对偶面的面积Ai’；
确定每个调和映射点的面积梯度gi=Ai-Ai’；
确定所有调和映射点的面积梯度的平方和；
如果所述平方和大于预设的权重阈值时，减小所述第二权重，直至所述第二权重小于所述权重阈值。
条款11. 根据条款1-10中任意一项所述的方法，其中，根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面包括：
确定所述加权Voronoi图中每个对偶面的重心；
将每个所述调和映射点映射到所述每个对偶面的重心，从而将所述三维模型以保面积的方式映射到二维平面。
条款12. 一种处理人脸数据的设备，包括：
处理器；
与所述处理器相连接的存储器，所述存储器中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如条款1-11中任意一项所述的方法。
条款13. 一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如条款1-11中任意一项所述的方法。

Claims (12)

1.一种人脸数据的处理方法，包括：
通过扫描装置获取人脸的照片，通过结构光条纹求得点云信息，进而得到人脸的三维模型；
将所述三维模型以保面积的方式映射到圆形平面上，以形成二维人脸图；
其中，将所述三维模型以保面积的方式映射到圆形平面上包括：
确定二维平面的边界；
将所述三维数据调和映射到所述边界的内部，以形成调和映射点；
计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图；
根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面。
2.根据权利要求1所述的方法，进一步包括：对所得到的三维模型进行拓扑修复。
3.根据权利要求2所述的方法，其中，对所得到的三维模型进行拓扑修复包括：
确定所述三维模型中亏格的位置；
消除所述亏格以降低所述三维模型中亏格的数量。
4.根据权利要求1所述的方法，其中，确定二维平面的边界包括：
在所述三维模型中确定闭合曲线L；
将L中的点存储到链表vlist中，其中
Figure 810925DEST_PATH_IMAGE001
，
Figure 993644DEST_PATH_IMAGE002
和
Figure 911397DEST_PATH_IMAGE003
是同一个点
计算L的长度S：
Figure 572186DEST_PATH_IMAGE004
其中，
Figure 652137DEST_PATH_IMAGE005
是边[
Figure 740179DEST_PATH_IMAGE006
]的长度
对于每个
Figure 7212DEST_PATH_IMAGE007
执行以下步骤：
计算从
Figure 347058DEST_PATH_IMAGE002
点到该
Figure 281516DEST_PATH_IMAGE008
点的长度
Figure 274880DEST_PATH_IMAGE009
，其中
Figure 294788DEST_PATH_IMAGE010
，
根据所述
Figure 297379DEST_PATH_IMAGE008
点的角度
Figure 961710DEST_PATH_IMAGE011
，其中
Figure 391554DEST_PATH_IMAGE012
；
确定每个点的坐标，
Figure 898759DEST_PATH_IMAGE013
。
5.根据权利要求1所述的方法，其中，将所述三维数据调和映射到所述边界的内部以形成调和映射点包括：
将所述三维数据进行初始化，以在所述二维平面中形成映射点；
计算二维平面中所述映射点之间的调和能量；
当所述调和能量大于预设能量梯度阈值时，调整所述映射点的坐标，并根据所述调整后的映射点的坐标来调整所述调和能量，当所述调和能量小于预设能量梯度阈值时，停止所述调整；以及
以停止调整时所述映射点的坐标作为调和映射点。
6.根据权利要求5所述的方法，其中，计算二维平面中所述映射点之间的调和能量包括：
计算相邻映射点之间的位置之差的平方值；
计算所述平方值与所述相邻映射点形成的边的第一权重的第一乘积；以及
计算针对所有映射点的第一乘积之和。
7.根据权利要求6所述的方法，其中，相邻映射点形成的边的第一权重通过如下方式来计算：
确定所述边对应的三角形的角度；
如果所述边为两个三角形公用的边，则所述边的第一权重等于两个三角形与所述边相对的角度的余切三角函数之和的一半；
如果所述边为边界上的边，则所述边的第一权重等于所述边所处三角形中与该边相对的角度的余切三角函数的一半。
8.根据权利要求1所述的方法，其中，计算所述调和映射点的第二权重，进而计算所述调和映射点的加权Voronoi图包括：
初始化每个调和映射点的第二权重，其中至少三个调和映射点构成一个初始面；
确定每个初始面的加权对偶点，所述加权对偶点到每个初始面的顶点的加权距离相等，其中，所述加权对偶点连接起来形成所述加权对偶点的对偶面，多个对偶面确定了加权Voronoi图；
更新每个调和映射点的第二权重，并根据所更新的第二权重来重新调整所述加权Voronoi图。
9.根据权利要求8所述的方法，其中更新每个调和映射点的第二权重包括：
确定每个调和映射点的初始面的面积Ai；
确定每个调和映射点的对偶面的面积Ai’；
确定每个调和映射点的面积梯度gi=Ai-Ai’；
确定所有调和映射点的面积梯度的平方和；
如果所述平方和大于预设的权重阈值时，减小所述第二权重，直至所述平方和小于所述权重阈值。
10.根据权利要求1所述的方法，其中，根据所述加权Voronoi图，将所述三维模型以保面积的方式映射到二维平面包括：
确定所述加权Voronoi图中每个对偶面的重心；
将每个所述调和映射点映射到所述每个对偶面的重心，从而将所述三维模型以保面积的方式映射到二维平面。
11.一种人脸数据的处理设备，包括：
处理器；
与所述处理器相连接的存储器，所述存储器中存储有计算机程序代码，当所述计算机程序代码被执行时，使得所述处理器执行如权利要求1-10中任意一项所述的方法。
12.一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如权利要求1-10中任意一项所述的方法。
CN201911361346.3A 2019-11-05 2019-12-26 人脸数据的处理方法、设备和计算机可读存储介质 Active CN110766808B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
PCT/CN2020/126487 WO2021088867A1 (zh) 2019-11-05 2020-11-04 人脸数据的处理方法、设备和计算机可读存储介质
US17/773,918 US11922632B2 (en) 2019-11-05 2020-11-04 Human face data processing method and device, and computer-readable storage medium

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201911068702 2019-11-05
CN2019110687022 2019-11-05

Publications (2)

Publication Number Publication Date
CN110766808A CN110766808A (zh) 2020-02-07
CN110766808B true CN110766808B (zh) 2020-03-27

Family

ID=69341569

Family Applications (4)

Application Number Title Priority Date Filing Date
CN201911361335.5A Active CN110766692B (zh) 2019-11-05 2019-12-26 检测肠道中突起物的方法、终端和计算机可读存储介质
CN201911361346.3A Active CN110766808B (zh) 2019-11-05 2019-12-26 人脸数据的处理方法、设备和计算机可读存储介质
CN202010226115.8A Pending CN111127314A (zh) 2019-11-05 2020-03-27 对大脑的三维数据平面化处理的方法、设备和存储介质
CN202011126641.3A Active CN112381706B (zh) 2019-11-05 2020-10-20 对大脑的三维数据进行平面化处理的方法，设备和计算机可读存储介质

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201911361335.5A Active CN110766692B (zh) 2019-11-05 2019-12-26 检测肠道中突起物的方法、终端和计算机可读存储介质

Family Applications After (2)

Application Number Title Priority Date Filing Date
CN202010226115.8A Pending CN111127314A (zh) 2019-11-05 2020-03-27 对大脑的三维数据平面化处理的方法、设备和存储介质
CN202011126641.3A Active CN112381706B (zh) 2019-11-05 2020-10-20 对大脑的三维数据进行平面化处理的方法，设备和计算机可读存储介质

Country Status (3)

Country Link
US (3) US11823390B2 (zh)
CN (4) CN110766692B (zh)
WO (3) WO2021088867A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766692B (zh) * 2019-11-05 2020-04-21 北京智拓视界科技有限责任公司 检测肠道中突起物的方法、终端和计算机可读存储介质
CN112287743B (zh) * 2020-07-04 2021-06-22 滨州医学院附属医院 老年性痴呆预防娱乐一体系统
CN113240788A (zh) * 2020-07-08 2021-08-10 北京智拓视界科技有限责任公司 三维数据的传输和接收方法、设备和计算机可读存储介质
CN112150612A (zh) * 2020-09-23 2020-12-29 上海眼控科技股份有限公司 三维模型构建方法、装置、计算机设备及存储介质
CN113486825A (zh) * 2021-07-12 2021-10-08 上海锐瞻智能科技有限公司 非接触式指纹采集装置及其方法、系统、介质
CN113538219A (zh) * 2021-07-15 2021-10-22 北京智拓视界科技有限责任公司 三维人脸数据的传输和接收方法、设备和计算机可读存储介质

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004044689A2 (en) 2002-11-06 2004-05-27 Geometric Informatics Inc. Analysis of geometric surfaces by conformal structure
CN101276484A (zh) * 2008-03-31 2008-10-01 浙江大学 基于调和映射的网格生成方法
US8405659B2 (en) * 2009-06-24 2013-03-26 International Business Machines Corporation System and method for establishing correspondence, matching and repairing three dimensional surfaces of arbitrary genus and arbitrary topology in two dimensions using global parameterization
US9082215B2 (en) * 2011-06-03 2015-07-14 Nexstim Oy Method of and system for overlaying NBS functional data on a live image of a brain
US20130066219A1 (en) * 2011-09-09 2013-03-14 Jingfeng Jiang Method for Assessing The Efficacy of a Flow-Diverting Medical Device in a Blood Vessel
US9972128B2 (en) * 2012-07-20 2018-05-15 The University Of British Columbia Methods and systems for generating polycubes and all-hexahedral meshes of an object
US20140172377A1 (en) 2012-09-20 2014-06-19 Brown University Method to reconstruct a surface from oriented 3-d points
CN105261052B (zh) * 2015-11-03 2018-09-18 沈阳东软医疗系统有限公司 管腔图像展开绘制方法及装置
JP6559552B2 (ja) * 2015-11-18 2019-08-14 株式会社Ｖｔｓタッチセンサー 導電性フィルム、タッチパネル、および、表示装置
CN105741270B (zh) * 2016-05-16 2019-02-22 杭州职业技术学院 千兆电子计算机断层扫描的前列腺三维图像分割方法
CN107146287B (zh) * 2017-03-22 2019-08-02 西北大学 二维投影图像至三维模型的映射方法
CN107679515A (zh) * 2017-10-24 2018-02-09 西安交通大学 一种基于曲面调和形状图像深度表示的三维人脸识别方法
CN109416939B (zh) 2017-12-05 2022-04-26 北京师范大学 面向群体应用的经颅脑图谱生成方法、预测方法及其装置
KR102015099B1 (ko) * 2018-01-25 2019-10-21 전자부품연구원 거리정보를 이용한 랩어라운드뷰 영상제공장치 및 방법
CA3092120A1 (en) * 2018-03-01 2019-09-06 Jake ARAUJO-SIMON Cyber-physical system and vibratory medium for signal and sound field processing and design using dynamical surfaces
CN110473459A (zh) * 2018-05-11 2019-11-19 兰州交通大学 基于网络Voronoi图的点群选取
CN108648231B (zh) * 2018-05-14 2019-07-12 合肥融视信息科技有限公司 基于三维医学影像的管状结构长度测量系统及方法
CN108875813B (zh) * 2018-06-04 2021-10-08 北京工商大学 一种基于几何图像的三维网格模型检索方法
CN109410195B (zh) * 2018-10-19 2020-12-22 山东第一医科大学(山东省医学科学院) 一种磁共振成像脑分区方法及系统
CN110046543A (zh) * 2019-02-27 2019-07-23 视缘(上海)智能科技有限公司 一种基于平面参数化的三维人脸识别方法
CN110288642B (zh) * 2019-05-25 2023-08-08 西南电子技术研究所（中国电子科技集团公司第十研究所） 基于相机阵列的三维物体快速重建方法
US10922884B2 (en) * 2019-07-18 2021-02-16 Sony Corporation Shape-refinement of triangular three-dimensional mesh using a modified shape from shading (SFS) scheme
CN110766692B (zh) * 2019-11-05 2020-04-21 北京智拓视界科技有限责任公司 检测肠道中突起物的方法、终端和计算机可读存储介质

Also Published As

Publication number Publication date
CN111127314A (zh) 2020-05-08
US11823390B2 (en) 2023-11-21
CN112381706A (zh) 2021-02-19
CN110766808A (zh) 2020-02-07
US20220366528A1 (en) 2022-11-17
WO2021088868A1 (zh) 2021-05-14
WO2021088869A1 (zh) 2021-05-14
CN110766692B (zh) 2020-04-21
US11922632B2 (en) 2024-03-05
US20220392015A1 (en) 2022-12-08
WO2021088867A1 (zh) 2021-05-14
CN112381706B (zh) 2024-02-02
US20220351388A1 (en) 2022-11-03
CN110766692A (zh) 2020-02-07

Similar Documents

Publication Publication Date Title
CN110766808B (zh) 人脸数据的处理方法、设备和计算机可读存储介质
Zhang et al. Guided mesh normal filtering
Tagliasacchi et al. Mean curvature skeletons
US10984556B2 (en) Method and apparatus for calibrating relative parameters of collector, device and storage medium
Yan et al. Efficient computation of clipped Voronoi diagram for mesh generation
US10268917B2 (en) Pre-segment point cloud data to run real-time shape extraction faster
US8711143B2 (en) System and method for interactive image-based modeling of curved surfaces using single-view and multi-view feature curves
KR20170068462A (ko) 에지를 이용한 3차원 모델 생성
JP2011522333A (ja) ３ｄテクスチャの超解像のための画像生成装置及び方法
Zhuang et al. Anisotropic geodesics for live‐wire mesh segmentation
CN111868738B (zh) 跨设备监控计算机视觉系统
EP4143787A1 (en) Photometric-based 3d object modeling
CN108492284B (zh) 用于确定图像的透视形状的方法和装置
Zhang et al. Efficient robust image interpolation and surface properties using polynomial texture mapping
Hu et al. Surface segmentation for polycube construction based on generalized centroidal Voronoi tessellation
WO2018039936A1 (en) Fast uv atlas generation and texture mapping
CN110633717A (zh) 一种目标检测模型的训练方法和装置
Nguyen et al. Multi-phase image segmentation with the adaptive deformable mesh
Vančo et al. Surface reconstruction from unorganized point data with quadrics
Teggihalli et al. A polynomial surface fit algorithm for filling holes in point cloud data
CN113706543A (zh) 一种三维位姿的构建方法、设备及存储介质
Ochmann et al. Automatic normal orientation in point clouds of building interiors
CN108038863B (zh) 图像分割方法及装置
CN116708995B (zh) 摄影构图方法、装置及摄影设备
CN116684748B (zh) 摄影构图框的生成方法、装置及摄影设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant